deepPERFECT:新型深度学习CT合成方法用于快速的胰腺癌放射治疗
Hamed Hooshangnejad1,2,3, Quan Chen4, Xue Feng5
1Department of Biomedical Engineering, Johns Hopkins School of Medicine, Baltimore, MD 21287, USA.
Cancers
|June 10, 2023
概括
我们开发了deepPERFECT,这是一个深度学习模型,它从诊断CT扫描中合成了放射治疗 (RT) 计划CT扫描,显著加快了RT工作流程,并使早期剂量测量评估成为可能.
科学领域:
- 医学物理 医学物理
- 辐射疗法 辐射疗法
- 人工智能的人工智能
背景情况:
- 放射治疗 (RT) 工作流程通常因单独的成像预约和获取过程而延迟.
- 目前的RT规划通常需要专门的规划CT,尽管有可能使用诊断CT.
研究的目的:
- 通过从诊断CT合成计划CT来加快RT工作流程.
- 开发一种深度学习模型,能够将诊断CT转化为预先规划CT.
主要方法:
- 开发了deepPERFECT,一种生成型深度学习模型.
- 训练模型以捕捉诊断和计划CT采集之间的差异.
- 生成的变形向量场将诊断CT转换为预先规划CT.
主要成果:
- 深度PERFECT模型成功地从诊断CT中合成了初步规划CT.
- 图像质量和剂量分析证实了该模型的有效性.
- 启用了早期剂量测量评估的初步RT规划.
结论:
- DeepPERFECT提供了一种可行的方法,通过使用诊断CT来加快RT规划.
- 合成CT扫描支持初步剂量测量评估,可能减少患者等待时间并提高工作流程效率.
